無人駕駛汽車的還存在哪些缺陷沒有解決？
自動駕駛未來可期，但是目前仍然面臨很多挑戰，比如來自設計、立法、監管和技術等方面的挑戰。據調查，在美國，每行駛1億英里，就有一起與車輛相關的死亡案例。安全是一個永恆話題，不論是在駕駛還是自動駕駛領域。雖然說現在已經有一些基礎感測器技術應用於汽車，如攝像頭、雷達技術開始在自動緊急制動等應用領域廣泛部署，但是想要實現更高級別自動化，感測器技術還需要有進一步發展。激光雷達等類似的感知系統，需要從只具備警告功能逐漸發展為具有驅動能力，換言之，就是在警告乘客周圍行駛環境有危險的同時，還能夠驅動車輛並且更改汽車操作。
除了技術上需要繼續研發，進一步完善，自動駕駛汽車還必須繼續在惡劣的天氣和道路上進行測試，要確保在平坦和坑坑窪窪的道路上都能完成安全自動駕駛。此外，當今汽車在操作上已經實現一定程度上的半自動化，但是這些系統的性能還存在廣泛差異性，對於消費者而言，這些差異性就可能引發信任問題。想想作為消費者，要不停地適應不同品牌的自動駕駛操作方式和驅動模式，也是頗費時間和精力的，對於自動駕駛的安全程度，他們的顧慮可能會越來越多！那麼，如果可以統一來自不同製造商車輛的安全系統，自動駕駛技術也將會更加一致，更好地交付到市場。
還有一點，那就是自動駕駛車輛的設計。如果將感測器置於車輛的明顯位置，向乘客展示該系統可以自主地且清楚地「看到」、「感知到」車輛周圍的狀況，這也有助於增加人們對自動駕駛技術的信任度。
非常非常多的問題，每個系統流程都有一些目前無解的問題，下邊只是部分例子，掛一漏萬。拋開傳統汽車上的共性問題，還有諸如：
法律道德問題：
- 經典的電車難題，簡化一下就是：在人行道前制動系統壞了（任何系統都不可能100%不壞），控制系統可以選擇不轉彎撞行人，也可以選擇轉彎撞大樹（相當於讓車內人員受傷）等。
- 事故責任問題，到底是購車人、銷售商還是製造商承擔交通事故責任。
智能汽車自身的問題，主要三大塊：感知、決策規劃、控制：
- 感知問題。常用的感測包括攝像頭、激光雷達、毫米波雷達、超聲波雷達等，其中比較複雜但是非常有用的是攝像頭和激光雷達的圖像處理和點雲處理。目前還沒有一種完善的演算法能很好的提取所有的圖像點雲中的障礙物信息。
- 決策規劃問題。怎麼獲得最優的決策？常用的兩種：基於規則和人工智慧。基於規則例如百度阿波羅的3000多個場景，10000多個if else，很清晰但是難於應對未考慮的場景；人工智慧的目前一般是深度學習、強化學習等，能自學習進化，但是是個純黑箱，發起瘋來相當可怕，即使訓練一億次都不能保證第一億零一次是符合預期的。怎麼獲得最優的軌跡？本質上就是個有約束的非線性的優化問題，這個數學上都無法保證找到最優解，一堆約束（速度約束、加速度約束、執行器變化速率約束、障礙物約束等）。
- 控制問題。一個摩擦係數的準確估計，已經難到家了。沒有準確的摩擦係數估計，控制中的輪胎力飽和怎麼辦，規劃的軌跡中加速度超出範圍怎麼辦。
- etc.
主要是信號轉換速度。反應速度問題。
首先，無人駕駛汽車還是個理想的東西，無人駕駛技術並沒有出現，只能說現在還處於研究階段。
其次，無人駕駛的技術路線並沒有很清晰，現在只是在摸索，到底可行不可行還是個問題。無人駕駛的概念很廣范，字面講，沒人開就是無人駕駛，那麼地鐵、火車都可以很容易實現無人駕駛，但是這種無人駕駛是有限制的，比如軌跡限制、道路專屬，這不是我們想玩的無人駕駛。我們想要在馬路上自己跑的智能無人駕駛，這就很難了。
我覺得吧，最難的還是如何決策。有人駕駛時，駕駛員根據周圍環境判斷改怎麼操作，這裡最重要的是駕駛員判斷。自動駕駛時，沒有駕駛員來判斷了，那就得由感測器採集周圍環境，由設計的智能系統判斷下一步改幹嘛。首先，識別出周圍環境，如車道線、行人等複雜場景很難，尤其是很少見的東西。其次，要建造一個像人的大腦這麼聰明、隨機應變的系統更是難上加難。
路況，道路交通法等等。
就說很簡單的很簡單的一點
魯棒性強的低延時系統，就夠解決一陣兒了
怎麼說呢，並不是說還有哪些缺陷沒有解決。問題不是這個。即使無人駕駛出問題的幾率很低，遠低於人工駕駛，只有是系統缺陷導致的人員不安全，都是不可以接受的
精細地圖
上百度
信號傳輸問題
推薦閱讀：
